上一章我们说到了VAE-GAN，虽然一定程度上解决的AI生图的稳定性和生图质量，但他有一个致命的缺点就是：“没法用文字控制画图，也就是没法文生图”，这样就导致我们没法用人话和他交流。再一个面对一些复杂的场景他就很难驾驭了。

        同期虽然也提出了Diffusion扩散模型，但由于其动不动过千的采样步数，需要巨大的显存，根本就没进行民用，也一直不温不火。

        “采样”这个词我还是现在就给大家解释一下吧，后面可能会频繁出现。在上一章中我举了一个刮刮卡的例子，我还是用刮刮卡给大家来解释。

        训练AI绘画呢，就是先拿一张图片，在图片上加噪点（可以理解为给刮刮卡抹图层），直到整张图片全部被噪点覆盖掉（就好比我们平时买到的刮刮卡，已经完全看不到图层下的图像了），原始的Diffusion扩散模型这个过程大概需要1000步，这叫正向加噪。

        AI生图呢，刚好和他的训练是反着的，哪个刮刀一遍又一遍的去刮卡片上的图层，知道把整个图像完全显露出来，原始的Diffusion扩散模型这个过程大概也需要1000步.

        “采样”我们通俗的理解就是“把图片上的噪点慢慢擦掉，露出图片的这个过程，就是采样”。

        了解了“采样”的概念，我们下来进入本章的正题。

        大概在2020年的年中，谷歌旗下顶级深度学习研究院Google Brain发表了Denoising Diffusion Probabilistic Models（去噪扩散概率模型 DDPM）,首次用改造版 UNet 做噪声预测（不再输出分割图，输出原图噪声），对扩散模型理论进行了完善，但其巨量的显存需求仍然没有得到改善。

        2021年DDIM（去噪扩散隐式模型 Denoising Diffusion Implicit Models）论文发表，对原始的DDPM模型理论进行改良，把DDPM得千步采样直接降到了10-50步，奠定了AIGC从实验室走向民间的基础。

        简单的给大家收一下DDIM的原理，他在模型训练这块和DDPM是一样的，但对采样出图这块的算法公式进行了修改。原本的DDPM在采样出图的时候是1000、999、998....1非常老实的一步一步的往下走。而DDIM呢他却是跳着走的1000、900、800....1,大概就是这个意思。

        同期（2021）另一条AIGC路线NLP模型上的OpenAI也取得了突破，用 CLIP+Transformer 实现初代文生图，并对Clip技术进行开源。

        同样还是2021年，德国慕尼黑大学CompVis 实验室发表LDM 潜在扩散模型（Latent Diffusion Models），在DDPM和DDIM的基础上再次进行优化，把扩散从昂贵像素搬到小尺寸潜空间，让 AI 绘画从实验室落地个人电脑成为可能。

        这个时候文生图全流程所需要的技术基本上就准备完成了：提示词→CLIP(NLP编码)→文本特征 → UNet(潜空间DDIM去噪采样)→生成潜图Z → VAE解码→成品图片。

        同年（2021）Midjourney 内测上线：闭源商用文生图出圈，引爆画师圈。

        2022年8月：CompVis 技术 + Stability 算力 + LAION 数据的Stable Diffusion 1.4（SD）问世、并完全开源，全球首个 4G 显存本地运行的开源文生图模型，瞬间引爆民间生态.。

        至此AIGC技术彻底的从实验室走向了民间，2022年也因此成为了AIGC发展的元年。

        到这里我们“ComfyUI&AIGC基础概念及发展历程”这个系列文章，基本就可以说是完成了。下一章开始，我讲开始聚焦实操部分的具体技术及操作方法，真正的开始AIGC&ComfyUI的学习。